塔里木河干流生态系统服务价值时空演变及驱动因素分析

引用本文

陈龙瑶, 穆振侠, 杨荣钦, 朱晓钰, 宋志林, 王腾. 塔里木河干流生态系统服务价值时空演变及驱动因素分析[J]. 环境科学, 2026, 47(10): 7137-7148.

CHEN Long-yao, MU Zhen-xia, YANG Rong-qin, ZHU Xiao-yu, SONG Zhi-lin, WANG Teng. Analysis of the Spatio-temporal Dynamic of Ecosystem Services Value and Its Driving Factors in the Tarim River Mainstream[J]. Environmental Science, 2026, 47(10): 7137-7148.

塔里木河干流生态系统服务价值时空演变及驱动因素分析

陈龙瑶^1,2, 穆振侠^1,2, 杨荣钦^1,2, 朱晓钰^1,2, 宋志林^1,2, 王腾^1,2

1. 新疆农业大学水利与土木工程学院，乌鲁木齐 830052;
2. 新疆水利工程安全与水灾害防治重点实验室，乌鲁木齐 830052

收稿日期: 2025-07-24; 修订日期: 2025-10-31

基金项目: 新疆维吾尔自治区重点研发专项（2022B03024-4）；国家自然科学基金项目（52269007）

作者简介: 陈龙瑶（2001~），男，硕士研究生，主要研究方向为生态系统服务价值评估，E-mail：2668917634@qq.com

通信作者: 穆振侠, E-mail：xjmzx@xjau.edu.cn

摘要: 探究生态系统服务价值（ESV）的时空演变规律及其驱动机制，对于深入理解区域生态安全格局构建和人类福祉提升具有重要理论意义和实践价值. 以塔里木河干流为研究区，借助2000~2022年多源数据，在ESV时空变化规律分析的基础上，引入地理收敛交叉映射模型（GCCM）探讨了ESV与驱动因素间的复杂因果关系. 结果表明：①2000~2022年间，研究区ESV呈现波动上升趋势，多年平均ESV为221.5亿元；②研究区ESV空间分布格局呈现以河道为中心向两岸梯度递减的河流廊道效应，且ESV表现为正相关和空间聚集分布，并以高-高、低-低集聚为主；③敏感性分析表明草地生态系统对ESV变化的响应最为显著，是区域ESV增长的核心贡献因子；④GCCM模型验证表明，驱动因子对ESV的影响占主导地位，其中归一化植被指数（NDVI）和土地利用强度（LUI）构成ESV演变的关键驱动因素. 研究结果可为干旱区内陆河流域生态安全屏障建设和可持续发展决策提供科学依据.

关键词: 塔里木河干流生态系统服务价值（ESV）时空演变敏感性地理收敛交叉映射模型（GCCM）

Analysis of the Spatio-temporal Dynamic of Ecosystem Services Value and Its Driving Factors in the Tarim River Mainstream

CHEN Long-yao^1,2 , MU Zhen-xia^1,2 , YANG Rong-qin^1,2 , ZHU Xiao-yu^1,2 , SONG Zhi-lin^1,2 , WANG Teng^1,2

1. College of Hydraulic and Civil Engineering, Xinjiang Agricultural University, Urumqi 830052, China;
2. Xinjiang Key Laboratory of Hydraulic Engineering Security and Water Disasters Prevention, Urumqi 830052, China

Abstract: Exploring the spatial and temporal evolution of ecosystem service value (ESV) and its driving mechanism is of great theoretical significance and practical value for the in-depth understanding of the construction of regional ecological security patterns and the enhancement of human well-being. In this study, taking the Tarim River mainstem as the study area, with the help of multi-source data from 2000 to 2022, the complex causal relationship between ESV and drivers was explored by introducing the geographically convergent cross-mapping model (GCCM) based on the analysis of spatial and temporal patterns of changes in ESV. The results showed that: ① ESV in the study area showed a fluctuating upward trend during 2000-2022, with a multi-year average of 22.15 billion yuan. ② The spatial distribution pattern of ESV in the study area showed a river corridor effect centered on the river channel with a gradient decreasing to both banks, and ESV showed positive correlation and spatial aggregation distribution and was dominated by high-high and low-low agglomeration. ③ Sensitivity analysis showed that grassland ecosystems responded most significantly to the changes in ESV and were the core contributors to the regional ESV growth. ④ GCCM model validation showed that the influence of driving factors on ESV was dominant, with normalized difference vegetation index (NDVI) and land use intensity (LUI) constituting the key drivers of ESV evolution. This study provides a scientific basis for the construction of ecological security barriers and sustainable development decision-making in inland river basins in arid zones.

Key words: Tarim River mainstream ecosystem service value(ESV) spatio-temporal evolution sensitivity geographically convergent cross-mapping model(GCCM)

生态系统作为地球生命支持系统的重要组成部分，其稳定性和功能在维持生物多样性、提供生态系统服务以及调节全球气候等方面发挥着关键作用^[1]. 然而，当前生态系统正面临着诸多严峻的环境挑战，包括全球气候变化引起的生态平衡失调、栖息地破坏和碎片化、生物多样性的加速丧失、环境污染的加剧以及过度开发和资源滥用等问题^[2，3]. 这一系列问题不仅威胁到了生态系统的内在稳定性和功能完整性，也对人类的健康、经济可持续发展和未来生活质量造成了严重威胁^[4]. 为此，亟需在生态系统服务合理评估的基础上，采取科学合理的生态保护与修复措施，减缓或消除不同诱因对生态系统的负面影响，以维护生态系统的健康，实现其可持续发展.

生态系统服务是指人类通过生态系统直接或间接获得的利益，旨在维持人类的生存和生计^[5]；生态系统服务价值（ecosystem service value，ESV）以货币的形式反映生态系统向人类提供的各类服务的价值^[6]. 伴随着生态环境问题的频现及人们对生态环境保护意识的日益提高，生态系统服务及其价值的评估已成为研究的热点与难点. 当前ESV的评估方法可分为“当量因子法”^[7]和“功能价值法”^[8]，当量因子法相比功能价值法具有数据需求少、适用性广和评估全面等优势^[9]. 为使估算的生态系统服务价值更符合区域实际，不同学者在充分结合遥感技术与大量实际调查的基础上，对“当量因子法”进行逐步的改进，尝试完善ESV评价体系^[10~12]. 尽管当量因子法具有数据需求少、适用广泛的优点，但它在空间变化和年际波动的刻画上存在局限，且使用的参数通常为静态经验值，导致在跨区域对比时容易产生偏差，为改善这一问题，本文通过引入植被净初级生产力（net primary productivity，NPP）对ESV当量因子进行修正^[13，14]，显著提高了模型的科学性和结果的可信度，使评估结论更加贴近实际情况. 然而，由于生态系统本身的复杂性、区域的差异性及影响因素的众多性等，同一区域ESV的评估结果并不唯一，多受自然和人为因素的共同影响，给合理评估ESV带来了一定的难度^[12]. 为更好地明晰生态系统服务价值的驱动因素，不同学者借助多元线性回归^[15]、地理加权回归^[16]、地理探测器^[17]等统计学方法，从多角度开展了大量的研究，为进一步完善ESV评价体系、生态系统健康与可持续发展奠定了一定的基础. 然而，多元线性回归方法计算简单，虽能够量化各驱动因素的影响权重，但无法捕捉复杂的非线性关系；地理回归加权模型能够应对空间非平稳性问题，但计算复杂，模型参数较多，可能导致结果解释困难；地理探测器模型能够识别和量化变量间的空间相关性，可以提供直观的可视化结果，但对非线性关系的处理能力有限，并且无法建立预测模型. 以上方法仅从单一方向研究驱动因素对ESV的影响，缺乏对二者因果关系的探讨. 收敛交叉映射模型作为一种因果关系模型已被广泛应用于生态领域^[18，19]，但该模型不能用于空间数据的因果关系研究. 伴随人们对ESV认识的不断深入，在收敛交叉映射模型的基础上，将广义嵌入理论和动力系统理论纳入ESV评价体系，提出了一种新的地理收敛交叉映射模型（GCCM）^[20]，其可在识别空间截面数据之间双向不对称关系的同时，识别线性模型所忽略的因果关系，在一定程度上进一步完善了ESV评价结果，使之更符合实际. 目前，现有的研究多聚焦于从单向角度剖析生态系统服务价值的驱动因素，而两者间的交互性、因果关联方面的研究较少，致使ESV评价精准性、人为交互干预与调整的实用性方面存在一定的局限.

作为流经沙漠与群山夹缝中、滋养出星罗棋布绿洲、孕育出独特农耕文明的塔里木河汇集区域，由于降水稀少、蒸发强烈、植被稀疏和景观破碎，生态环境极其脆弱^[21，22]. 加之受气候变化与强人类活动的影响，降低了生态系统的稳定性，加剧了生态系统脆弱性，对区域生态系统的健康与区域可持续发展产生一定的影响，增加了更多的不确定性因素，加大了生态系统人为干预与调整的难度^[23]. 因此，为明晰所在区域生态系统服务价值，揭示ESV变化的驱动因素及相互间的因果联系，本文以塔里木河干流为研究区，借助2000~2022年多源数据，在ESV时空变化规律分析的基础上，引入GCCM模型探讨了ESV与驱动因素间的复杂因果联系，以期为该区域生态环境保护、生态系统服务功能和价值的提升提供一定的参考依据.

1 材料与方法 1.1 研究区概况

塔里木河干流位于中国西北干旱区，北部与天山南麓下的平原相连，南部与塔克拉玛干沙漠相接，地势西高东低，西起阿拉尔，东至台特玛湖，河流全长1 321 km^[24]，流域面积约3.15×10⁴ km²（图 1）. 该流域按地貌特点分为上、中、下游3段：阿拉尔至英巴扎为塔里木河干流的上游段，河长495 km，英巴扎至恰拉为塔里木河干流的中游段，河长398 km，恰拉至尾闾台特玛湖为塔里木河干流的下游段，河长428 km^[25]. 该地区属大陆性暖温带极端干旱气候，冬季干冷，夏季酷热，多年平均气温10.6~11.5 ℃，多年平均降水量17.4~42.8 mm，年均蒸发量2 300~3 000 mm^[26]. 塔里木河干流因其特殊的地理位置、气候条件以及地貌特征，使其成为一个极具代表性的生态脆弱区域，面临着严峻的生态保护与水资源管理挑战.

图 1 研究区概况 Fig. 1 Overview of the study area

1.2 数据来源

本文选用的数据包括2000年、2005年、2010年、2015年和2022年土地利用数据、统计数据、遥感数据. 土地利用数据来源于中国土地覆被数据集（https://www.cnblogs.com/icydengyw/p/17184448.html），空间分辨率为30 m×30 m. 主要农作物数据来源于《全国农产品成本收益资料汇编》《新疆统计年鉴》，生态输水数据来源于塔里木河流域管理局. 高程数据（DEM）来源于地理空间数据云（http://www.gscloud.cn/），空间分辨率为30 m×30 m；年降水量（PRE）和年平均气温（TEM）数据来源于国家青藏高原科学数据中心（https://data.tpdc.ac.cn/），空间分辨率为1 km×1 km；年蒸发量（ET）和归一化植被指数（NDVI）数据来源于MODIS13Q1数据集（https://search.earthdata.nasa.gov/search），空间分辨率分别为500 m×500 m、250 m×250 m；人口密度（POP）数据来源于LandScan全球人口数据集（https://landscan.ornl.gov/），空间分辨率为1 km×1 km；国内生产总值（GDP）数据来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn），空间分辨率为1 km×1 km；土壤类型数据来源于中国土壤数据库（http://vdb3.soil.csdb.cn/），空间分辨率为30 m×30 m.

1.3 研究方法 1.3.1 生态系统服务价值计算

ESV评估可以提高人们对生物多样性保护和环境保护的意识^[27]. 本文采用当量因子法计算ESV^[28]，计算公式如下：

E S V = \sum_{k = 1}^{n} A_{k} \times V C_{k} \times Q

(1)

V C_{k} = E_{a} \times e_{i j}

(2)

E_{a} = \frac{1}{7} \sum_{i = 1}^{n} (\frac{m_{i} \times p_{i} \times q_{i}}{M})

(3)

Q = D \times U \times C

(4)

D = \frac{G D P_{t}}{G D P_{c}}

(5)

U = \frac{2}{1 + e^{- N}}

(6)

N = \frac{1}{M_{n}} - 2.5

(7)

M_{n} = M_{n c} \times Y + M_{n n} \times Z

(8)

C = \frac{N P P_{t}}{N P P_{c}}

(9)

式中，ESV为生态系统服务价值（元），A_k为不同类型的地类面积（hm²），VC_k为单位面积的生态系统服务价值（元·hm^-2），Q为修正系数；e_ij为第i种用地类型第j种生态服务的当量因子，结合研究区土地利用类型现状对其进行了修正^[11]，k为土地利用类型，E_a为标准当量因子值；n为农业资源区粮食作物种类数，m_i为第i种粮食作物播种面积，p_i为第i种粮食作物单价，q_i为第i种粮食作物单产，M为农业资源区各类粮食作物种植面积之和；D为支付ESV的能力，U为支付ESV的意愿；GDP_t和GDP_c分别为研究区人均GDP和国内人均GDP；N为社会阶段发展系数，M_n为综合恩格尔系数，M_nc和M_nn分别为城市和农村恩格尔系数，Y和Z分别为城市和农村居民占比；NPP_t和NPP_c分别为研究区NPP和全国NPP. 修正后的塔里木河干流生态系统单位面积服务价值系数见表 1.

表 1 2000~2022年塔里木河干流生态系统单位面积服务价值系数^1） Table 1 Coefficient of ecosystem service value per unit area in the Tarim River mainstream from 2000 to 2022

项目	生态系统服务	耕地	林地	草地	水域	建设用地	未利用土地
供给服务（PS）	食物生产（FP）	1 190	353.5	326.7	611.3	0	7
	原料生产（RM）	560	812	480.7	340.7	0	21
	水资源供给（WS）	28	420	266.0	6 085.3	0	14
调节服务（RS）	气体调节（GR）	938	2 670.5	1 689.3	1 330.0	28	91
	气候调节（CR）	504	7 990.5	4 466.0	3 000.7	0	70
	净化环境（ED）	140	2 341.5	1 474.7	4 344.7	140	287
	水文调节（HR）	378	5 229	3 271.3	62 346.7	42	168
支持服务（SS）	土壤保持（SC）	1 442	3 251.5	2 058.0	1 512.0	28	105
	维持养分循环（NC）	168	248.5	158.7	116.7	0	7
	生物多样性（BD）	182	2 961	1 871.3	4 867.3	28	98
文化服务（CS）	美学景观（AC）	84	1 298.5	826.0	3 131.3	14	42
合计		5 614	27 576.5	16 888.7	87 686.7	280	910
1）数值单位为元·（hm²·a）^-1

表 1 2000~2022年塔里木河干流生态系统单位面积服务价值系数^1） Table 1 Coefficient of ecosystem service value per unit area in the Tarim River mainstream from 2000 to 2022

1.3.2 生态系统服务价值空间自相关分析

为更好地反映研究区的ESV的分布特征，考虑到空间自相关是一种常用的空间分析方法，能够有效衡量某一空间单元属性值与其邻近单元之间的空间关联程度，从而揭示空间聚集规律^[16]. 本研究运用ArcGIS软件对ESV进行全局和局部空间自相关识别，以分析生态系统服务价值的空间分布格局及其聚集特性.

（1）全局空间自相关，主要用于研究整个研究区域内变量间的相互关联性. 计算公式如下：

I = \frac{n \sum_{i = 1}^{n} \sum_{j = 1}^{n} W_{i j} (X_{i} - \bar{X}) (X_{j} - \bar{X})}{\sum_{i = 1}^{n} \sum_{j = 1}^{n} W_{i j} \sum_{i = 1}^{n} (X_{i} {- \bar{X})}^{2}}

(10)

式中，I为全局Moran's I指数；n为格网单元的总数；X_i、X_j为格网单元i、j处的ESV； $\bar{X}$ 为ESV均值；W_ij为对应的空间权重值. I的取值范围为[-1，1]，当I为正时，表示正相关；当I为负时，表示负相关；当I等于0时，则表示研究区内的格网单元相互独立.

（2）局部空间自相关，用来描述邻近区域在相同属性值上的聚集程度，并进一步研究这些局部区域是否具有空间上的关联性或异质性. 计算公式如下：

I_{i} = \frac{n (X_{i} - \bar{X}) \sum_{j = 1}^{n} W_{i j} (X_{j} {- \bar{X})}^{2}}{\sum_{i = 1}^{n} (X_{i} {- \bar{X})}^{2}}

(11)

式中，I_i为局部Moran's I指数，其他变量的含义同式（10）. 当I_i为正时，代表区域单元周围是高-高或低-低的相似属性空间集聚，即该区域单元与其周围地区的ESV值相似；当I_i为负时，则代表是高-低或低-高的集聚特征，即该区域单元与其周围地区的ESV值存在明显的差异.

1.3.3 生态系统服务价值敏感性分析

敏感性指数衡量了生态系统价值系数中ESV对变化的反映程度^[29]. 为了评估ESV估算的准确性和可靠性，本文利用敏感性分析模型，通过对各土地利用类型价值系数（VC）进行± 50%的调整，研究ESV对VC变化的敏感性^[30]. 计算公式为：

C S = |\frac{(E S V_{j} - E S V_{i}) / E S V_{i}}{(V C_{j k} - V C_{i k}) / V C_{i k}}|

(12)

式中，CS为敏感系数；VC_i为原始价值系数，VC_j为调整后的系数；ESV_i和ESV_j分别为ESV结果的原始值和调整值；k为土地利用类型. 当CS < 1时，意味着ESV对价值系数的修改相对不敏感，表明估值稳定. CS越接近0，灵敏度越低，意味着ESV结果的可靠性越高. 相反，CS > 1表明评价结果的潜在不可靠性，表明ESV对生态系统价值系数的变化高度敏感.

1.3.4 地理收敛交叉映射模型

为准确分析ESV与驱动因素之间的双向不对称因果关系，考虑到地理收敛交叉映射（GCCM）模型可以识别和测量两个变量之间的因果关系，有利于识别双向不对称关系的主导方向，克服镜像效应^[31，32]. 因此，本研究选用GCCM模型分析生态系统服务价值与驱动因素的双向不对称因果关系. 基于塔里木河干流的区域状况和生态系统服务价值，驱动因素包括：高程（DEM）、蒸散发（ET）、降水（PRE）、温度（TEM）和归一化植被指数（NDVI）这5个自然因素和国内生产总值（GDP）、人口（POP）和土地利用强度（LUI）这3个人为因素.

1.3.5 偏相关分析

偏相关分析是一种通过控制其他变量影响，精准测算两变量间线性关联强度的统计方法^[33]. 在自然因素和人为因素与ESV的偏相关分析中，此方法可以解释某一因素与ESV的关系，同时排除其他因素的干扰^[34]，并采用t检验方法进行显著性检验. 计算公式如下：

R_{x y, z} = \frac{R_{x y} - R_{x z} R_{y z}}{\sqrt[]{(1 - R_{x z}^{2}) (1 - R_{y z}^{2})}}

(13)

T = \frac{\sqrt[]{n - k - 2} \times r}{\sqrt[]{1 - r^{2}}}

(14)

式中，R_xy_，_z为固定变量z时x、y的偏相关系数，R_xy、R_xz、R_yz分别为x与y、x与z、y与z的相关系数；n为样本观测值，k为可控制变量的数目，r为相应的偏相关系数；将检验结果分为4个类别：显著正偏相关（P < 0.05），不显著正偏相关（P≥0.05），显著负偏相关（P < 0.05），不显著负偏相关（P≥0.05）.

2 结果与分析 2.1 土地利用变化

通过对2000~2022年不同期土地利用数据分析可知，整体上塔河干流土地利用类型以未利用土地和草地为主，多年平均两者面积占比达85.81%（其中未利用土地为55.24%，草地为30.57%），而其他土地利用类型面积占比不大，其中耕地11.10%、建设用地2.29%、水域0.80%和林地0.001%. 通过土地利用转移矩阵可以看出（图 2），2000~2022年不同土地利用类型之间转移面积89.13×10⁴ hm². 整体以草地和未利用土地面积缩减最为突出，而其他类型面积以增加为主. 其中，草地和未利用土地分别转出4 155 km²和3 700 km²，占总转移面积的46.62%和41.51%；耕地面积在2010~2015年表现为较明显的增加趋势；草地和水域面积在2005~2010年减少最明显；林地整体呈波动增加趋势，由2000年9 km²激增至2022年30 072 km²，增长了3 340倍，这与近年来持续的生态治理密不可分；未利用土地呈持续减少趋势，而建设用地呈持续增加趋势.

数字为各土地利用类型转出面积，单位为km² 图 2 塔里木河干流土地利用转移矩阵 Fig. 2 Land use transfer matrix of the Tarim River mainstream

2.2 生态系统服务价值变化特征 2.2.1 生态系统服务价值时间变化特征

基于塔里木河干流各类土地生态系统服务价值及变化可以看出（表 2），总体上塔里木河干流的ESV呈微弱上升趋势，由2000年218.3亿元上升至2022年218.7亿元，多年平均221.5亿元. 草地对ESV的贡献率最高，多年平均达73.766%，林地对ESV的贡献率最小，仅为0.008%. 具体来看，2000~2005年，研究区ESV增加了18.8亿元，草地增加最多，增加了15.2亿元. 2005~2015年，研究区ESV呈逐渐下降趋势，相较于2005年，2010年和2015年分别减少了16.6亿元和24亿元. 2015~2022年，研究区ESV增加幅度较小，仅增加5.6亿元.

表 2 塔里木河干流各类土地生态系统服务价值及变化 Table 2 Value and change of various land ecosystem services in the Tarim River mainstream

基于塔里木河干流单项生态系统服务价值时间变化特征及占比可知（图 3），2000~2022年，调节服务和文化服务的总量呈减少趋势，分别减少0.97和0.15个百分点，而供给服务和支持服务呈增加趋势，分别增加1.05和0.07个百分点. 调节服务价值贡献率最高，均高于65%，说明调节服务在塔里木河干流生态系统中占主导地位，支持服务价值贡献率次之，供给服务和文化服务贡献率均在10%以下. 单项生态系统服务中，水文调节和气候调节对ESV的贡献较大，贡献率分别为23.36%和21.21%，气体调节、净化环境、土壤保持和生物多样性对ESV的贡献较小，贡献率均在10%左右，其余类型对ESV贡献率甚微.

图 3 塔里木河干流单项生态系统服务价值时间变化特征及贡献率 Fig. 3 Temporal variation characteristics and contribution rates of single ecosystem service value in the Tarim River mainstream

2.2.2 生态系统服务价值空间变化特征

为更好地与相似区域相关成果进行对比，根据已有研究结果^[35~38]，采用ArcGIS软件中的渔网分析功能，将研究区划分为3 842个3 km×3 km网格. 对不同时期的ESV数据进行对比，结合自然断点法将生态系统服务价值分成5个等级，分别为低值区、较低值区、中值区、较高值区和高值区（图 4）.

图 4 塔里木河干流生态系统服务价值空间分布及占比 Fig. 4 Spatial distribution and proportion of ecosystem service value in the Tarim River mainstream

通过分析可以看出，研究区ESV呈现出显著的时空分异规律，整体上表现为由河道向两岸递减的空间分布特征. 2000~2022年，ESV低值区面积变化幅度较大，呈波动下降趋势，ESV较低值区则与之相反，呈逐渐上升趋势；ESV中值区面积呈波动上升趋势，ESV较高值区面积呈现波动下降趋势；ESV高值区面积变化不明显. 考虑到不同土壤直接影响区域的水分保持、养分供给及植物生长状况，从土壤类型角度分析可以看出（图 5），ESV低值区主要分布于塔里木河干流下游的戈壁、沙地和裸地等未利用土地区域，以上区域的土壤类型以初育土为主，土壤较为贫瘠，生态环境较为恶劣；ESV较低值区和中值区主要分布在干流上游区域，土壤类型以半水成土为主，这类土壤虽具一定湿润性，但普遍存在盐碱化现象，耕作条件受限，植被生长不良，因而导致生态服务价值整体偏低；相比之下，ESV较高值区和高值区则零星分布在河道周边水源条件优越的区域，以上地区同样以半水成土为主，但受益于地下水补给和河道径流滋养，土壤含盐量相对较低，肥力条件更好，水源稳定性高，有利于植被生长和群落功能发挥.

图 5 塔里木河干流生态系统服务价值各等级与土壤类型叠加结果 Fig. 5 Superposition results of ecosystem service value and soil types in the Tarim River mainstream

以上述3 842个网格单元为基准，运用ArcGIS平台计算全局Moran's I指数，2000年、2005年、2010年、2015年和2022年这5个时段的Moran's I值分别为0.741、0.726、0.726、0.698和0.673，均大于0.6，表明ESV具有较强的空间正相关性. 但Moran's I值呈下降趋势，说明ESV空间集聚程度在减弱.

为深入探究各计算单元ESV空间相关性的局部特征，通过LISA集聚可知（图 6），2000~2022年，高-高和低-低类型的空间集聚效果比较明显，高-低和低-高类型的空间集聚效果并不明显. 高-高集聚地区主要分布在水源较为充足的河道附近，低-低集聚地区主要分布在塔里木河干流下游周围，且两者面积逐年减少；高-低集聚地区和低-高集聚地区零星分布在高-高集聚地区和低-低集聚地区附近且变化不明显.

图 6 塔里木河干流生态系统服务价值空间集聚分布特征 Fig. 6 Spatial agglomeration distribution characteristics of ecosystem service value in the Tarim River mainstream

2.3 敏感性检验

基于塔里木河干流ESV敏感性检验结果可知（图 7），研究区2000~2022年各土地利用类型的敏感性指数都小于1，表明土地利用与ESV之间的关系比较稳定. 草地的敏感性指数最大，均值为0.74，水域次之，均值为0.1，其余土地利用类型的敏感性指数均值均小于0.1，说明ESV对VC缺乏弹性，核算结果可信.

图 7 塔里木河干流ESV敏感性检验结果 Fig. 7 Results of ESV sensitivity test in the Tarim River mainstream

2.4 生态系统服务价值与驱动因素的因果关系

从ESV与驱动因素的因果关系可以看出（图 8），ESV与自然因素的双向不对称关系的主导方向为y-map-x（x→y），即自然因素对ESV的影响起主导作用（图 8）. 在各类自然因素中，NDVI对ESV的影响最显著（ρ > 0.4）. ESV map DEM是双向不对称关系的主导方向，PRE、ET与ESV的因果关系呈无规律动态变化的特点，TEM与ESV的因果关系以2005年为界，2005年前呈TEM map ESV，2005年后则为ESV map TEM.

y-map-x表示x对y的影响或反映（x→y）；x-map-y表示y对x的影响或反映（y→x）；x为影响因素，y为ESV 图 8 ESV与影响因素的因果关系 Fig. 8 Causal relationship between ESV and influencing factors

ESV与人为因素的双向不对称关系的主导方向为y-map-x（x→y），表明人为因素对ESV的影响占据主导地位（图 8）. 相较于GDP和POP，LUI对ESV的影响更大. ESV与LUI的因果关系以2010年为界呈相反的变化规律，2010年前，LUI与ESV的主导方向为ESV map LUI（ρ > 0.5）；2010年后，LUI与ESV的主导方向变为LUI map ESV（ρ > 0.65），其主要原因为人为活动影响下的土地利用强度更突出. GDP和POP map ESV为双向不对称关系主导方向，影响程度弱于LUI.

3 讨论 3.1 生态系统服务价值变化

2000~2022年，塔里木河干流ESV呈先上升后下降再上升的波动变化特征，这与Zhang等^[39]的研究结果一致，尤其在2000~2005年，ESV呈显著上升态势，这与2000年后对该流域进行生态输水与生态治理密切相关^[40]，通过近23 a塔里木河累计达951 305×10⁴ m³的生态输水量（表 3）可以得到进一步地验证，并且逐年增加的生态输水量对ESV的变化产生重要影响. 通过借助地理探测器分析各影响因素对ESV空间分异的解释力可知（图 9），各驱动因素对ESV空间分异的解释力强度存在一定差异，具体为：LUI > NDVI > POP > GDP > DEM > ET > PRE > TEM. 其中，LUI和NDVI对ESV的影响最为突出. ESV受到自然因素和人为因素双重影响，通过地理探测器对ESV的驱动因素分析发现，自然因素主要是NDVI，人为因素主要是LUI. 此外，生态输水作为重要的人为因素，也对ESV产生显著影响. 为进一步量化以上因素对ESV的贡献，采用偏相关分析分别量化自然因素（NDVI）和人为因素（LUI、生态输水）对ESV的影响. 分析结果显示（表 4），LUI和生态输水与ESV的偏相关系数分别为0.858和0.505，表现为显著正偏相关（P < 0.05），NDVI与ESV的偏相关系数为-0.107，表现为不显著负偏相关（P > 0.05）. 这一结果表明，近年来LUI和生态输水的影响，已远远超过NDVI对ESV的影响. 在塔里木河干流中，ESV高值区与较高值区零星分布在蛇曲河段密布以及水库、水域密集的周边区域，所在区域丰富的水源为植被的生长发育提供了较好的条件. 2000~2005年，流域内ESV上升的区域较多，与该时期流域内实施的生态输水、生态治理、水资源强化管理等成效凸显有关^[41]；同时该时期内降水量较多，草地面积持续增加，生态环境好转，ESV大幅上升^[42]；加之源流区来水量增加，生态输水后水域面积增加，有利于植被持续改善^[43]. 2005~2015年，塔里木河干流ESV急剧下降，主要原因是该时期降水量偏少，加之源流区来水量较少，影响了植被覆盖度^[44]，使之呈下降趋势，造成生态环境恶化. 对不同土地利用类型变化对ESV影响的具体分析发现，强人类活动导致了研究区耕地和建设用地面积增加^[45]，而耕地面积的增加，在提升粮食产量的同时，合理的土地管理措施使得耕地的水分调节与保持、养分循环功能得到增强，进一步提升了耕地的ESV；建设用地的增加往往伴随着生态空间的优化、公共文化空间的建设及公共文化服务质量的提升，使得调节服务功能逐渐得到改善，进一步提升了建设用地的ESV. 2015~2022年，该时期降水偏多，植被覆盖度得到改善，研究区ESV呈缓慢上升趋势^[46]. 塔里木河干流生态保护与气候变化、人类活动以及生态治理措施息息相关. 综合分析发现LUI、生态输水和NDVI是影响塔里木河干流ESV的核心要素，通过对长序列数据分析发现，从提高生态系统服务价值的角度考虑，LUI应不超过123.54、生态输水量应不少于3.85亿m³、NDVI值应不低于0.192，上述阈值可为相关政策建议的制定与优化提供辅助参考.

表 3 2000年~2022年塔里木河干流生态输水×10⁴/m³ Table 3 Ecological water of the Tarim River mainstream from 2000 to 2022 ×10⁴/m³

图 9 2000~2022年塔里木河干流空间分异探测结果 Fig. 9 Results of spatial differentiation detection of the Tarim River mainstream from 2000 to 2022

表 4 偏相关分析结果 Table 4 Partial correlation analysis results

3.2 生态系统服务价值与驱动因素的因果关系

本研究发现塔里木河干流ESV受自然和人为因素双重交互的影响，且ESV与驱动因素之间因果关系为驱动因素对ESV的影响方向为主导方向，这与Yang等^[47]的研究结果一致. 每个生态系统服务提供的功能不同^[48]，因此生态系统服务价值与驱动因素之间的因果关系存在差异. 在众多影响因素中，LUI和NDVI对ESV的影响高于其他因素. 高强度的土地利用往往导致自然植被覆盖度显著减少，这种改变不仅影响生态系统的结构，还直接改变其功能，从而对ESV产生显著且快速的影响^[49]，这种影响的直接性使得LUI成为影响ESV的重要因素之一. NDVI是衡量植被生长状况和植被覆盖度的重要指标^[50]，同样在ESV的变化中发挥着关键作用. NDVI越大，表示区域植被覆盖度越高，植被的生长状况越好，植被的增加有利于提高区域水土保持以及净化环境的能力，以上改善进一步提升了生态系统的支持服务和调节服务功能，从而对ESV产生积极影响^[51]. 综合自然因素和人为因素角度分析可以看出，研究区生态系统服务价值的变化是多种驱动力共同作用的结果. 首先，在自然因素维度，受新疆暖湿化气候变化的影响，在改变区域水热条件的同时，增加了可用的冰雪水资源，对生态系统产生了积极的影响，显著促进了干旱区生态系统服务价值的累积性提升. 其次，伴随西部大开发战略的实施，人为活动在重塑地表形态的同时，对生态系统的直接影响效应愈发突出，如大规模的土地开发活动直接改变了原有生态系统的结构与功能，建设用地扩张和农业开发导致的生境破碎化，成为短期内生态系统服务价值波动的主要诱因. 最后，生态治理、生态修复的间接效应逐步显现，在改善区域生态环境本底条件的同时，使生态系统的自我调节、自适应功能进一步提升，使生态系统服务功能进入良性发展轨道.

3.3 不足与展望

本研究从土地利用转换的角度，分析了塔里木河干流生态系统价值的时空演变特征及其与驱动因素的因果关系，为流域内生态环境保护、生态系统服务功能和价值的提升等提供了一定的理论依据和数据支持. 然而，研究中仍存在一些局限性和不足之处. 首先，本研究的ESV通过遥感数据量化，虽然已将量化的结果与前人研究结果进行比较验证，且验证结果显示出较高的一致性，但由于遥感影像数据质量和分辨率的问题，ESV量化仍然存在不可避免的误差. 其次，本研究利用GCCM模型分析ESV与影响因素的因果关系，虽然研究结果表现出了一定的有效性，但局限于可用数据有效性的原因导致部分影响因素的量化结果存在一定的误差. 最后，本研究仅从栅格尺度开展分析和讨论，忽略了尺度差异效应对研究结果的影响，可能与实际存在一定的偏差. 因此，在未来研究中应从多维度的视角并借助更高精度的多源数据开展ESV研究，以提升研究的全面性和准确性.

4 结论

（1）从时间变化来看，2000~2022年塔里木河干流ESV呈先上升再下降最后上升的波动变化特征，整体呈现出微弱的上升趋势，由218.3亿元增至218.7亿元，多年平均ESV为221.5亿元.

（2）从空间变化来看，塔里木河干流ESV呈现以河道为中心向两岸梯度递减的河流廊道效应，ESV整体表现为正相关，高-高集聚区分布较为分散，低-低集聚区分布较为集中，两者均呈缓慢减少的趋势，高-低、低-高集聚区变化不明显.

（3）在众多土地利用类型中，草地对于ESV的敏感性指数最高，是研究区ESV增长的关键要素.

（4）塔里木河干流生态系统服务价值与驱动因素的双向不对称因果关系的主导方向不同. ESV与驱动因素的主导方向为驱动因素对ESV的影响起主导作用，NDVI和LUI是ESV的主要驱动因素.

参考文献

[1]	田文涛, 都沁军. 基于生态系统服务权衡协同关系的河北省优先优化区域识别[J]. 环境科学, 2025, 46(12): 7889-7907. Tian W T, Du Q J. Priority optimization region identification in Hebei Province based on ecosystem services tradeoff synergies[J]. Environmental Science, 2025, 46(12): 7889-7907. DOI:10.13227/j.hjkx.202411226
[2]	Luo Y, Guo X J, Lü Y H, et al. Combining spatiotemporal interactions of ecosystem services with land patterns and processes can benefit sensible landscape management in dryland regions[J]. Science of the Total Environment, 2024, 909. DOI:10.1016/j.scitotenv.2023.168485
[3]	Wang F, Wu Y, Zhang Y, et al. Research on ecosystem service value and landscape ecological risk prediction and zoning: taking Fujian province as an example[J]. Ecological Modelling, 2025, 507. DOI:10.1016/j.ecolmodel.2025.111173
[4]	朱增云, 阿里木江·卡斯木. 基于地理探测器的伊犁谷地生境质量时空演变及其影响因素[J]. 生态学杂志, 2020, 39(10): 3408-3420. Zhu Z Y, Kasimu A. Spatial-temporal evolution of habitat quality in Yili Valley based on geographical detector and its influencing factors[J]. Chinese Journal of Ecology, 2020, 39(10): 3408-3420.
[5]	杨杰, 高凡, 徐海量, 等. 阿克苏河流域生态系统服务价值时空演变及其驱动因素[J]. 环境科学, 2025, 46(4): 2385-2397. Yang J, Gao F, Xu H L, et al. Spatial and temporal evolution of ecosystem service value and its driving factors in the Aksu River Basin[J]. Environmental Science, 2025, 46(4): 2385-2397. DOI:10.13227/j.hjkx.202403026
[6]	胡丰, 陈瑶, 张长春, 等. 基于MCCA土地利用情景模拟的太行山区生态系统服务价值时空演变及预测[J]. 环境科学, 2024, 45(10): 5912-5923. Hu F, Chen Y, Zhang C C, et al. Spatiotemporal eolution and prediction of ecosystem service value in Taihang Mountains based on MCCA land use scenario simulation[J]. Environmental Science, 2024, 45(10): 5912-5923. DOI:10.13227/j.hjkx.202311027
[7]	Costanza R, d'Arge R, de Groot R, et al. The value of the world's ecosystem services and natural capital[J]. Nature, 1997, 387(6630): 253-260. DOI:10.1038/387253a0
[8]	唐敏玉, 许珊珊, 黎树式, 等. 近30年钦江流域生态系统服务价值时空变化研究[J]. 自然资源情报, 2025(3): 29-36. Tang M Y, Xu S S, Li S S, et al. Research on temporal and spatial changes in ecosystem service value in the Qinjiang River Basin over the past 30 years[J]. Natural Resources Information, 2025(3): 29-36.
[9]	Li J, Qiu J, Amani-Beni M, et al. A modified equivalent factor method evaluation model based on land use changes in Tianfu new area[J]. Land, 2023, 12(7). DOI:10.3390/land12071335
[10]	谢高地, 鲁春霞, 冷允法, 等. 青藏高原生态资产的价值评估[J]. 自然资源学报, 2003, 18(2): 189-196. Xie G D, Lu C X, Leng Y F, et al. Ecological assets valuation of the Tibetan Plateau[J]. Journal of Natural Resources, 2003, 18(2): 189-196.
[11]	谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254. Xie G D, Zhang C X, Zhang L M, et al. Improvement of the evaluation method for ecosystem service value based on per unit area[J]. Journal of Natural Resources, 2015, 30(8): 1243-1254.
[12]	Jiang H, Lin J, Liu B B, et al. Discovering the ecosystem service value growth characteristics of a Subtropical Soil Erosion Area using a remote-sensing-driven mountainous equivalent factor method[J]. Remote Sensing, 2024, 16(19). DOI:10.3390/rs16193700
[13]	高伟, 李欣悦, 张远, 等. 长江流域生态系统服务价值时空演变与预测[J]. 生态学报, 2023, 43(15): 6203-6211. Gao W, Li X Y, Zhang Y, et al. Evolution and prediction of ecosystem service values of the Yangtze River Basin[J]. Acta Ecologica Sinica, 2023, 43(15): 6203-6211.
[14]	钱方艳, 兰安军, 范泽孟, 等. 贵州省2000-2020年NPP时空变化特征及影响因素[J]. 水土保持研究, 2023, 30(5): 408-416, 426. Qian F Y, Lan A J, Fan Z M, et al. Spatiotemporal variation characteristics and influencing factors of NPP in Guizhou Province from 2000 to 2020[J]. Research of Soil and Water Conservation, 2023, 30(5): 408-416, 426.
[15]	李惠梅, 张安录, 高泽兵, 等. 青海湖地区生态系统服务价值变化分析[J]. 地理科学进展, 2012, 31(12): 1747-1754. Li H M, Zhang A L, Gao Z B, et al. Quantitative analysis of the impacts of climate and socio-economic driving factors of land use change on the ecosystem services value in the Qinghai Lake Area[J]. Progress in Geography, 2012, 31(12): 1747-1754.
[16]	张初蕊, 陈立欣, 王丽群, 等. 黄河流域生态系统服务价值时空异质性及驱动因素分析[J]. 北京林业大学学报, 2024, 46(6): 70-81. Zhang C R, Chen L X, Wang L Q, et al. Spatiotemporal heterogeneity and driving factors of ecosystem service value in the Yellow River Basin[J]. Journal of Beijing Forestry University, 2024, 46(6): 70-81.
[17]	王耕, 张芙榕. 近30年辽河三角洲生态系统服务价值时空演变及影响因素分析[J]. 环境科学, 2024, 45(1): 228-238. Wang G, Zhang F R. Spatial and temporal evolution and impact factors analysis of ecosystem service value in the Liaohe River Delta over the past 30 years[J]. Environmental Science, 2024, 45(1): 228-238. DOI:10.13227/j.hjkx.202301081
[18]	王丹雨, 朱媛君, 杨晓晖. 收敛交叉映射方法及其在生态学中的应用[J]. 应用生态学报, 2021, 32(12): 4539-4548. Wang D Y, Zhu Y J, Yang X H. Convergent cross mapping method and its application in ecology[J]. Chinese Journal of Applied Ecology, 2021, 32(12): 4539-4548.
[19]	Wang J Y, Li Z, Chen Y N, et al. Hybrid causal inference framework for long-chain drought propagation networks: combining convergent cross-mapping and generalized random forest[J]. Ecological Indicators, 2025, 178. DOI:10.1016/j.ecolind.2025.113939
[20]	Gao B B, Yang J Y, Chen Z Y, et al. Causal inference from cross-sectional earth system data with geographical convergent cross mapping[J]. Nature Communications, 2023, 14(1). DOI:10.1038/s41467-023-41619-6
[21]	魏泽锋, 官云兰, 王淑婷, 等. 基于KNDVI的塔里木河流域植被覆盖时空变化与归因分析[J]. 环境科学, 2024, 45(12): 7853-7864. Wei Z F, Guan Y L, Wang S T, et al. Spatio-temporal change and attribution analysis of vegetation coverage in Tarim River Basin on KNDVI[J]. Environmental Science, 2024, 45(1): 7853-7864. DOI:10.13227/j.hjkx.202412012
[22]	Zhang Q F, Sun C J, Chen Y N, et al. Recent oasis dynamics and ecological security in the Tarim River Basin, Central Asia[J]. Sustainability, 2022, 14(6). DOI:10.3390/SU14063372
[23]	倪明霞, 普拉提·莫合塔尔, 孙婷宇, 等. 基于气候变化与人类活动双重作用的南疆水资源供需关系分析[J]. 应用基础与工程科学学报, 2024, 32(2): 331-348. Ni M X, Muhtar P, Sun T Y, et al. Analysis on the supply-demand relationship of water resources based on the dual role of climate change and human activities in Southern Xinjiang, China[J]. Journal of Basic Science and Engineering, 2024, 32(2): 331-348.
[24]	邓铭江, 周海鹰, 徐海量, 等. 塔里木河干流上中游丰枯情景下生态水调控研究[J]. 干旱区研究, 2017, 34(5): 959-966. Deng M J, Zhou H Y, Xu H L, et al. Regulation of ecological water volume under high-or low-flow in the Mainstream Area of the Tarim River[J]. Arid Zone Research, 2017, 34(5): 959-966.
[25]	白元, 徐海量, 刘新华, 等. 塔里木河干流荒漠河岸林的空间分布与生态保护[J]. 自然资源学报, 2013, 28(5): 776-785. Bai Y, Xu H L, Liu X H, et al. Spatial distribution characteristics and ecological protection of the desert riparian forest in the Mainstream of the Tarim River[J]. Journal of Natural Resources, 2013, 28(5): 776-785.
[26]	施枫芝, 赵成义, 叶柏松, 等. 基于PTFs的干旱地区土壤饱和导水率的尺度扩展[J]. 中国沙漠, 2014, 34(6): 1584-1589. Shi F Z, Zhao C Y, Ye B S, et al. The scaling-up of soil saturated hydraulic conductivity based on PTFs in Arid Area[J]. Journal of Desert Research, 2014, 34(6): 1584-1589.
[27]	杨舒媛, 李子君. 土地利用变化背景下沂河流域生态系统服务价值时空格局演化[J]. 环境科学, 2024, 45(8): 4722-4732. Yang S Y, Li Z J. Spatio-temporal pattern of ecosystem service value evolution in the Yihe River Basin in the context of land use change[J]. Environmental Science, 2024, 45(8): 4722-4732. DOI:10.13227/j.hjkx.202307230
[28]	谢高地, 张彩霞, 张昌顺, 等. 中国生态系统服务的价值[J]. 资源科学, 2015, 37(9): 1740-1746. Xie G D, Zhang C X, Zhang C S, et al. The value of ecosystem services in China[J]. Resources Science, 2015, 37(9): 1740-1746.
[29]	熊鹰. 红壤丘陵区土地利用变化对生态系统服务功能的影响以长沙市为例[J]. 湖南大学学报(自然科学版), 2009, 36(10): 63-67. Xiong Y. Effects of land use change on the ecosystem service function in red soil hilly region——a case study of Changsha City[J]. Journal of Hunan University (Natural Sciences), 2009, 36(10): 63-67.
[30]	Kulaixi Z, Chen Y N, Wang C, et al. Spatial differentiation of ecosystem service value in an arid region: a case study of the Tarim River Basin, Xinjiang[J]. Ecological Indicators, 2023, 151. DOI:10.1016/j.ecolind.2023.110249
[31]	郭锦, 危小建, 张福庆, 等. 生态系统健康遥感评估及关键驱动因素: 以长江中游城市群为例[J]. 环境科学, 2025, 46(7): 4545-4557. Guo J, Wei X J, Zhang F Q, et al. Remote sensing assessment of ecosystem health and its key driving factors: a case study of the Urban Agglomeration in the middle reaches of the Yangtze River[J]. Environmental Science, 2025, 46(7): 4545-4557. DOI:10.13227/j.hjkx.202406285
[32]	Zhang W Y, Lu B, Liao L Y. Spatially explicit drivers of habitat degradation in coastal megacities based on MGWR-GCCM——evidence from Fuzhou, China[J]. Journal of Environmental Management, 2025, 391. DOI:10.1016/j.jenvman.2025.126551
[33]	王硕, 于颖, 杨曦光, 等. 黑龙江省植被碳源及碳汇时空变化模拟及其影响因素[J]. 东北林业大学学报, 2025, 53(10): 53-63. Wang S, Yu Y, Yang X G, et al. Simulation of spatiotemporal changes in vegetation carbon sources/sinks and their influencing factors in Heilongjiang Province[J]. Journal of Northeast Forestry University, 2025, 53(10): 53-63.
[34]	Wang Z Z, Fu B J, Wu X T, et al. Exploring the interdependencies of ecosystem services and social-ecological factors on the Loess Plateau through network analysis[J]. Science of the Total Environment, 2025, 960. DOI:10.1016/j.scitotenv.2024.178362
[35]	王奕淇, 孙学莹. 黄河流域生态系统服务价值时空演化及影响因素[J]. 环境科学, 2024, 45(5): 2767-2779. Wang Y Q, Sun X Y. Spatiotemporal evolution and influencing factors of ecosystem service value in the Yellow River Basin[J]. Environmental Science, 2024, 45(5): 2767-2779. DOI:10.13227/j.hjkx.202306163
[36]	康佳佳, 迪丽努尔·阿吉, 李平平, 等. 焉耆盆地绿洲生态系统服务价值时空演变及其驱动因素[J]. 西北林学院学报, 2025, 40(4): 245-255, 266. Kang J J, Aji D, Li P P, et al. Spatial and temporal evolution of ecosystem service values and their drivers in Yanqi Basin Oases[J]. Journal of Northwest Forestry University, 2025, 40(4): 245-255, 266.
[37]	袁腾跃, 万大娟, 向熠繁, 等. 潇水流域生态系统服务价值时空变化及其驱动因素[J]. 经济地理, 2024, 44(5): 182-189. Yuan T Y, Wan D J, Xiang Y F, et al. Spatio-temporal change of ecosystem service value and its driving factors in Xiaoshui River Basin[J]. Economic Geography, 2024, 44(5): 182-189.
[38]	危小建, 辛思怡, 张颖艺, 等. 不同格网尺度下生态系统服务价值空间分异及其影响因素差异——以大南昌都市圈为例[J]. 生态学报, 2023, 43(18): 7585-7597. Wei X J, Xin S Y, Zhang Y Y, et al. Spatial difference of ecological services and its influencing factors under different scales: taking the Nanchang Urban Agglomeration as an example[J]. Acta Ecologica Sinica, 2023, 43(18): 7585-7597.
[39]	Zhang S, Wang Y, Wang Y, et al. Spatiotemporal evolution and influencing mechanisms of ecosystem service value in the Tarim River Basin, Northwest China[J]. Remote Sensing, 2023, 15(3). DOI:10.3390/rs15030591
[40]	徐海量, 陈亚宁, 杨戈. 塔里木河下游生态输水对植被和地下水位的影响[J]. 环境科学, 2003, 24(4): 18-22. Xu H L, Chen Y N, Yang G. Effect of translating water on vegetation at the lower reaches of Tarim River[J]. Environmental Science, 2003, 24(4): 18-22.
[41]	王永鹏, 阿里木江, 周龙, 等. 塔里木河下游生态输水效应[J]. 中国沙漠, 2023, 43(4): 231-240. Wang Y P, Alimujiang, Zhou L, et al. Ecological water conveyance effect in the lower reaches of Tarim River[J]. Journal of Desert Research, 2023, 43(4): 231-240.
[42]	Bi J, Hao R F, Li J, et al. Identifying ecosystem states with patterns of ecosystem service bundles[J]. Ecological Indicators, 2021, 131. DOI:10.1016/j.ecolind.2021.108195
[43]	Fang G H, Yang J, Chen Y N, et al. How hydrologic processes differ spatially in a large basin: multisite and multiobjective modeling in the Tarim River Basin[J]. Journal of Geophysical Research: Atmospheres, 2018, 123(14): 7098-7113. DOI:10.1029/2018JD028423
[44]	王珊珊, 王金林, 周可法, 等. 塔里木河下游土地利用/覆被变化对生态输水的响应[J]. 水资源保护, 2021, 37(2): 69-74, 80. Wang S S, Wang J L, Zhou K F, et al. Response of land-use/land cover change to ecological water conveyance in the lower reach of Tarim River[J]. Water Resources Protection, 2021, 37(2): 69-74, 80.
[45]	王洋, 冯卓亚, 许丽, 等. 塔里木河流域生境质量与土地利用变化响应及驱动力[J]. 干旱区研究, 2024, 41(12): 2132-2142. Wang Y, Feng Z Y, Xu L, et al. Response and influencing factors of habitat quality and land use change in the Tarim River Basin[J]. Arid Zone Research, 2024, 41(12): 2132-2142.
[46]	Sun M X, Shen X, Xu H L, et al. Dynamics of ecosystem service values in the Tarim River Basin[J]. Frontiers in Environmental Science, 2025, 12. DOI:10.3389/fenvs.2024.1484950
[47]	Yang R Q, Mu Z X, Gao R, et al. Interactions between ecosystem services and their causal relationships with driving factors: a case study of the Tarim River Basin, China[J]. Ecological Indicators, 2024, 169. DOI:10.1016/j.ecolind.2024.112810
[48]	周杰, 杨洁, 张文柳. 甘南州生态系统服务时空变化及权衡协同关系[J]. 环境科学, 2025, 46(4): 2398-2409. Zhou J, Yang J, Zhang W L. Spatiotemporal variation and trade-off synergistic relationship of ecosystem services in Gannan Prefecture[J]. Environmental Science, 2025, 46(4): 2398-2409. DOI:10.13227/j.hjkx.202403255
[49]	Li J, Li G, Liang Y L, et al. Spatiotemporal differentiation of the ecosystem service value and its coupling relationship with urbanization: a case study of the Lanzhou-Xining urban agglomeration[J]. Ecological Indicators, 2024, 160. DOI:10.1016/j.ecolind.2024.111932
[50]	孙瑞, 张方敏, 翁升恒, 等. 2001~2021年中国NDVI时空格局变化及对气候的响应[J]. 中国环境科学, 2023, 43(10): 5519-5528. Sun R, Zhang F M, Weng S H, et al. Spatio-temporal changes of NDVI and its response to climate in China from 2001 to 2021[J]. China Environmental Science, 2023, 43(10): 5519-5528.
[51]	Song P H, Yang Q, Wu W Y, et al. Assessing and predicting the value of ecosystem services in Sanya City, Hainan Island, China[J]. Ecological Indicators, 2025, 170. DOI:10.1016/j.ecolind.2024.112967


环境科学 2026, Vol. 47 Issue (10): 7137-7148	PDF